【正文】 )。ylabel(39。time(s)39。)。 plot(time,kd,39。)。ylabel(39。time(s)39。)。 plot(time,ki,39。)。ylabel(39。time(s)39。)。 plot(time,kp,39。 figure(4)。u39。)。 xlabel(39。r39。 figure(3)。error39。)。 xlabel(39。r39。 figure(2)。rin,yout39。)。 xlabel(39。b39。r39。 end %繪圖figure(1)。 error_2=error_1。 wi_2=wi_1。 wo_1=wo。 wo_3=wo_2。 y_2=y_1。u_2=u_1。u_4=u_3。 江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）32wi=wi_1+d_wi+alfa*(wi_1wi_2)。 end d_wi=xite*delta239。 end segma=delta3*wo。 end end wo=wo_1+d_wo+alfa*(wo_1wo_2)。 end for l=1:1:Out delta3(l)=error(k)*dyu(k)*epid(l)*dK(l)。 end dyu(k)=sign((yout(k)y_1)/(u(k)u_1+))。 if u(k)=10 % Restricting the output of controller u(k)=10。 du(k)=Kpid*epid。kd(k)=K(3)。 %輸出層輸出，Getting kp,ki,kd 江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）31end kp(k)=K(1)。 %Middle Layer end K=wo*Oh。 I=xi*wi39。x(2)。 x(3)=error(k)2*error_1+error_2。%神經(jīng)網(wǎng)絡(luò)輸入 x(1)=error(k)error_1。%對象輸出差分方程error(k)=rin(k)yout(k)。y_1=。e_1=0。v39。)。%離散化dsys=c2d(sys,ts,39。inputdelay39。tol=40。 %參考輸入（階躍）%控制對象K=1。 %采樣周期for k=1:1:200 time(k)=k*ts。 error_1=0。 %Output from NN middle layer 江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）30I=Oh。y_3=0。 y_1=0。u_4=0。u_2=0。 x=[0,0,0]。wo_2=wo。%初始化輸出層權(quán)值%wo=*rands(Out,H)。 。wi_3=wi。 wi_1=wi。 ]。 。%神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 453 wi=[ 。H=5。 %慣性系數(shù)alfa=。 close all。)。,39。legend(39。yd and y39。)。xlabel(39。linewidth39。k:39。r39。J．Artificial neural works in process engineering．U．S．A ：IEEE Procedings—D，2022：46—89[25] 王樹青，先進控制技術(shù)及應(yīng)用．北京：化學(xué)工業(yè)出版社，2022：56—87[26] 曾軍、方厚輝，神經(jīng)網(wǎng)絡(luò) PID 控制及其 MATLAB 仿真. 現(xiàn)代電子技術(shù)，2022(02)：6769[27] 武志云，段志信，馬瑞平. 基于神經(jīng)網(wǎng)絡(luò)的 PID 控制器. 內(nèi)蒙古工業(yè)大學(xué)學(xué)報，2022(3)：21— 23[28] 張建民，王濤，王忠禮. 智能控制原理及應(yīng)用. 北京：冶金工業(yè)出版社，2022江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）29附錄： 傳統(tǒng) PID 控制方法（圖 34）繪圖程序：close allfigure(1)。從最終的仿真結(jié)果可以得出，采用傳統(tǒng) PID 控制算法的響應(yīng)曲線震蕩太明顯，過渡時間較長，超調(diào)量較大；而采用 BP 神經(jīng)網(wǎng)絡(luò)控制算法的響應(yīng)曲線，系統(tǒng)無震蕩，過渡時間相比來說很短，且無超調(diào)，最先得到了穩(wěn)定輸出，可以看出其控制效果明顯優(yōu)于傳統(tǒng)的 PID 控制算法。（2）選用了一個固定的船用鍋爐蒸汽壓力控制對象，給定以相同的輸入，并分別進行了仿真研究。相對于傳統(tǒng)的 PID 控制器，神經(jīng)網(wǎng)絡(luò) PID 控制器具有更好的控制效果，適應(yīng)性和容錯能力。由如42 可知，系統(tǒng)超調(diào)量為 80%；而 BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)由于能夠在線整定 P1D 參數(shù)，從而很快適應(yīng)系統(tǒng)參數(shù)等發(fā)生的變化，從而可以較好的跟蹤給定值，仿真系統(tǒng)無超調(diào)，能夠很好的減少系統(tǒng)的振蕩。常規(guī) PID 控制系統(tǒng)在控制一個過程對象前，必須要整定 PID 的三個參數(shù)，包括比例增益、積分時間、微分時間，且整定計算好后，在整個控制過程中都是固定不變的。顯然，改進后的控制方法達到穩(wěn)定的時間段，有利于8提高工作效率。BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)優(yōu)于常規(guī) PID 控制系統(tǒng)主要在于：(1)達到穩(wěn)定的過渡過程時問和上升時間短。仿真結(jié)果如下：0 200 400 600 800 1000 1200 1400 1600 1800 202201time(s)rin,yout信信信信信信信信 圖 45 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 響應(yīng)曲線江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）220 200 400 600 800 1000 1200 1400 1600 1800 202201time(s)error信信信信圖 46 誤差變化曲線0 200 400 600 800 1000 1200 1400 1600 1800 time(s)kp0 200 400 600 800 1000 1200 1400 1600 1800 20220time(s)ki0 200 400 600 800 1000 1200 1400 1600 1800 20220time(s)kd圖 47 PID 參數(shù)變化曲線 仿真比較通過對比，從圖 42 和圖 44 可以看出，兩種控制系統(tǒng)在相同的條件下，仿真輸出值都能達到輸出給定值，并持續(xù)穩(wěn)定，且誤差能逐漸變?yōu)?0[27]。 PID 參數(shù)的改變影響 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的輸出，從而影響被控對象IKD的輸出。系統(tǒng)結(jié)構(gòu)如下所示：1)(trinst P I D 控制器 被控對象神經(jīng)網(wǎng)絡(luò)控制器+erk p k i kdyd e / d t圖 44 BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)結(jié)構(gòu)圖如圖 44 所示，誤差作為 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的輸入，BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的輸出直接控制被控對象。加權(quán)系數(shù)取區(qū)間[,]上的隨機數(shù) [26]。 鍋爐蒸汽壓力數(shù)學(xué)模型的仿真研究 傳統(tǒng) PID 控制方法 利用 MATLAB 軟件 Simulink 模塊，設(shè)計傳統(tǒng) PID 控制系統(tǒng)如下圖：江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）20 圖 42 傳統(tǒng) PID 控制算法 Simulink 主程序輸入指令為一個階躍信號： ，由響應(yīng)曲線法 [25]計算 PID 參數(shù)，被控對象：1)(?trin （42）speTKsG???表 41 響應(yīng)曲線法整定 PID 參數(shù)控制器類型 比例度 （%）?積分時間 IT微分時間 DTP ??PI 1. ?3.PID 8502?則 ， ，計算得此傳統(tǒng) PID 控制方法 PID 參數(shù)為：40??6T， ， 。 圖 41 常用鍋爐結(jié)構(gòu)圖經(jīng)過長期的應(yīng)用實踐，以蒸發(fā)量為 2t/h，穩(wěn)定蒸汽壓力為 的船用小型燃油蒸汽鍋爐為控制對象。因此，正確地對蒸發(fā)系統(tǒng)建模直接關(guān)系到整個蒸汽動力系統(tǒng)的仿真程度。江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）19第 4 章 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 鍋爐蒸汽壓力數(shù)學(xué)模型蒸汽系統(tǒng)是鍋爐仿真中的核心部分，它的建模涉及一些對汽機和鍋爐安全運行至關(guān)重要的監(jiān)控參數(shù)，如汽包的壓力、水位等。1??k如果通過網(wǎng)絡(luò)訓(xùn)練，BP 網(wǎng)絡(luò)的輸出達到目標要求后，網(wǎng)絡(luò)各節(jié)點之間的連接權(quán)值就確定下來了，就可以認為 BP 網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)好了，就可以利用這個訓(xùn)練好的網(wǎng)絡(luò)進行識別預(yù)測工作了。控制器由兩部分組成：①參數(shù)可調(diào)的 PID 控制器，直接對被控對象進行閉環(huán)控制；②神經(jīng)網(wǎng)絡(luò) NN，根據(jù)系統(tǒng)的運行狀態(tài)，實現(xiàn)自適應(yīng)算法，調(diào)節(jié) PID 控制器的參數(shù)以達到某種性能指標的最優(yōu)化要求 [22]。神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表達能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的 PID 控制。這種控制方式在結(jié)構(gòu)上不再明顯包含 PID 控制器，而是將神經(jīng)網(wǎng)絡(luò)和 PID 控制規(guī)律融為一體，將誤差信號的比例、積分、微分運算和 PID 參數(shù)的自適應(yīng)整定在一個前向神經(jīng)網(wǎng)絡(luò)中完成 [21]。BP 神經(jīng)網(wǎng)絡(luò) PID 控制器能有效地避免上述缺陷。 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計 介紹了單神經(jīng)元 PID 控制器，即在常規(guī) PID 控制器的基礎(chǔ)上增加一個或多個神經(jīng)網(wǎng)絡(luò)，用神經(jīng)網(wǎng)絡(luò)在線調(diào)整 PID 參數(shù)。江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）17目前提出的神經(jīng)元網(wǎng)絡(luò)和 PID 控制相結(jié)合的方法主要歸結(jié)為兩大類型：①單神經(jīng)元結(jié)構(gòu) PID 控制器；②采用神經(jīng)元網(wǎng)絡(luò)確定 PID 參數(shù)。這些方法在一定程度上提高了 PID 控制器的性能，但這些方案一般是針對某些具體問題，缺乏通用性，附加的結(jié)構(gòu)和算法也增加了控制器的復(fù)雜性，使它們的廣泛應(yīng)用受到限制。為了克服傳統(tǒng) PID 控制器的弱點，控制界對 PID 控制提出了大量的改進方案，例如自校正 PID 控制、廣義預(yù)測 PID 控制、模糊 PID 控制、專家 PID 控制、智能 PID 控制等等。 人工神經(jīng)網(wǎng)絡(luò)和 PID 控制的結(jié)合由上節(jié)的簡要介紹我們得知：PID 控制器的設(shè)計關(guān)鍵是如何確定比例、積分和微分系數(shù)，但這些參數(shù)整定中的困難又使 PID 控制器的應(yīng)用受到限制。傳統(tǒng)的 PID 控制器的參數(shù)一旦選定，就不會再變化，對不同的控制系統(tǒng)或是不同參數(shù)的控制系統(tǒng)，適應(yīng)性較差。PID 三個參數(shù)選擇的好壞，直接影響到控制效果的好壞。工業(yè)過程的動態(tài)特性大都具有高階、非線性、大時滯及時變等特性，給以精確數(shù)學(xué)模型為基礎(chǔ)的現(xiàn)代控制理論的應(yīng)用帶來了困難。在設(shè)計控制系統(tǒng)的過程中人們主要關(guān)心的問題是“設(shè)定值跟蹤特性和“干擾抑制特性’ ’，而傳統(tǒng)的 PID 控制器只能通過整定一組 PID 參數(shù)來滿足一個方面的要求。而實際的應(yīng)用中，大多數(shù)的生產(chǎn)過程都具有非線性的，且其特性隨時間的變化而變化，顯然固定的一組參數(shù)是不能滿足這種變化的。首先，傳統(tǒng) PID 無自適應(yīng)能力。PID 應(yīng)用范圍廣，雖然很多工業(yè)過程是非線性或時變的，但通過適當簡化，可以將其變成基本線性和動態(tài)特性不隨時間變化的系統(tǒng)，這樣就可以通過 PID 控制了 [16]。PID 參數(shù)（ ， ， )可以根據(jù)過程動態(tài)特性及時PKID調(diào)整。IT(3)微分環(huán)節(jié)微分環(huán)節(jié)能反映偏差信號的變化速率，并能在偏差信號值變得太大之前，在系統(tǒng)中引入一個有效的早期修正信號，從而加快系統(tǒng)的動作速度，減小調(diào)節(jié)時間，從而改善了系統(tǒng)的動態(tài)特性。 PID 控制器的原理及其特點①PID 控制器的原理PID 控制系統(tǒng)的結(jié)構(gòu)圖如圖 31 所示： 比例微分積分 對象r ( t ) e ( t ) u ( t ) y ( t )圖 31 PID 控制系統(tǒng)結(jié)構(gòu)圖給定值 與實際輸出值 構(gòu)成控制偏差：)(tr)(ty （3)(tyre??1） 將偏差 的比例 、積分 和微分 通過線性組合構(gòu)成控制量，對被控對象te)(P)(I)(D進行控制，其控制規(guī)律為： dteTtetKtuDtIP)()(1)([)(0??? （3tKttIp02）寫成傳遞函數(shù)形式： （3]1[)(sTsEUGDP??江蘇科技大學(xué)本科畢業(yè)設(shè)計（論文）153